《表3 利用BP神经网络模型预测覆冰厚度结果》
提示：宽带有限、当前游客访问压缩模式
得到该架空输电线路覆冰增长预测模型以后，可以根据表1中的影响因素测量值，对导地线的覆冰增长情况进行预测计算，其计算结果如表3所示。
| 图表编号 | XD0015860400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2018.03.10 |
| 作者 | 王身丽、翁永春、张学锋、付裕、黄力 |
| 绘制单位 | 三峡大学电气与新能源学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表9 BP神经网络模型预测结果》2020.12.25
- 《表4 BP神经网络模型预测结果》2021.02.05
- 《表3 表面粗糙度蚁群-BP神经网络预测模型预测结果和实验结果的对比》2021.01.01
- 《表4 表面粗糙度BP神经网络预测模型预测结果和实验结果的对比》2021.01.01
- 《表3 线性误差验证结果：准静态玄武岩纤维混凝土力学性能及其BP神经网络预测模型研究》2020.12.28
- 《表2 BP神经网络模型预测结果》2020.11.20
- 《表2 BP神经网络模型、GA-BP油温预测模型测试结果对比表》2020.04.01
- 《表3 预测结果对比表：基坑变形小波去噪及PSO-BP神经网络预测模型研究》2020.08.25
- 《表3 BP神经网络和PSO-BP神经网络模型预测结果统计》2020.02.28
- 《表4 BP神经网络、PSO-BP神经网络模型预测结果误差分析》2020.02.28
- 《表3 检验结果：基于遗传算法优化BP神经网络的YG8硬质合金耐磨性预测模型》2019.12.25
- 《表3 组合模型预测结果：基于BP-RBF神经网络的组合模型预测港口物流需求研究》2019.09.10
- 《表1 BP模型与DE-BP神经网络模型部分预测结果对比表》2019.10.20
- 《表2:BP神经网络模型预测结果(仅显示2016年3月21日)》2019.04.20
- 《表3 模型预测结果：基于SPSS与BP神经网络的南宁市房价预测对比研究》2019.08.28
- 《表3 利用BP神经网络模型预测涌水量与实测涌水量的比较》2019.08.20
- 《表6 BP神经网络模型预测结果》2019.07.01
- 《表3 GA-BP神经网络模型参数预测结果》2019.09.20
- 《表2 BP神经网络模型参数预测结果》2019.09.20
- 《表3 BP神经网络模型预测结果》2019.02.01